Cloudera Search 用来在 hadoop 基础上建立索引和全文检索，本文主要记录如何安装 CLoudera Search 的过程，其中也包括如何安装和启动 Zookeeper、Solr、MapReduce等工具和服务。
Cloudera Search介绍
Cloudera Search 核心部件包括 Hadoop 和 Solr，后者建立在 Lucene 之上；而 Hadoop 也正是在06年正式成为 Lucene 的一个子项目而发展起来的。
通过 Tika, Cloudera Search 支持大量的被广泛使用的文件格式；除此之外，Cloudera Search 还支持很多其他在Hadoop应用中常用的数据，譬如 Avro, SequenceFile, 日志文件等。
用来建立索引和全文检索的数据可以是来自于 HDFS，譬如日志文件，Hive 或者 HBase 的表等等（通过集成 NGData 的 Lily 项目，对 HBasae 的支持工作也在进行中）。或者通过结合使用 Flume 采集于外部数据源，通过一个新支持的 Flume Sink 直接写到索引库里；同时还可以充分利用 Flume 来对要建立索引的数据进行各种预处理，譬如转换，提取创建元数据等。
建立的索引存储于 HDFS。这给搜索带来了易于扩展，冗余和容错的好处。此外，我们还可以运行 MapReduce 来对我们所需要检索的数据进行索引，提供给 Solr。
环境
- 操作系统：
CentOs6.5 - Hadoop：
cdh5.3.0
安装 Hadoop集群
这里使用参考 通过Cloudera Manager安装CDH一文搭建的集群，其中也包括了一个三节点的 ZooKeeper 集群。该集群包括三个节点：
192.168.56.121 cdh1 NameNode、Hive、ResourceManager、HBase
192.168.56.122 cdh2 DataNode、SSNameNode、NodeManager、HBase
192.168.56.123 cdh3 DataNode、HBase、NodeManager
安装 ZooKeeper
Zookeeper 的安装过程，请参考 使用yum安装CDH Hadoop集群。
安装 Solr
Zookeeper 启动之后，需要安装 Solr，关于 Solr 的安装，可以参考 Apache SolrCloud安装。
在三个节点上安装 solr-server：
$ sudo yum install solr-server solr solr-doc -y
安装 Spark Indexer：
$ sudo yum install solr-crunch
安装 MapReduce Tools：
$ sudo yum install solr-mapreduce
安装 Lily HBase Indexer：
$ sudo yum install hbase-solr-indexer hbase-solr-doc
注意：Lily HBase Indexer和 cdh5 工作的时候，你需要在运行 MapReduce 任务之前运行下面命令：
export HADOOP_CLASSPATH=<Path to hbase-protocol-**.jar>
配置 Solr
修改 solr 配置文件 /etc/default/solr 中 ZooKeeper 连接地址：
SOLR_ZK_ENSEMBLE=cdh1:2181,cdh2:2181,cdh3:2181/solr
修改 solr 配置文件 /etc/default/solr 中 HDFS 连接地址：
SOLR_HDFS_HOME=hdfs://cdh1:8020/solr
设置 HDFS 配置文件目录：
SOLR_HDFS_CONFIG=/etc/hadoop/conf
如果你配置了 Kerberos，则在 kerberos 服务器上为每个安装 solr 的节点先生成 solr 的凭证：
kadmin: addprinc -randkey solr/cdh1@JAVACHEN.COM
kadmin: xst -norandkey -k solr.keytab solr/cdh1
kadmin: addprinc -randkey solr/cdh2@JAVACHEN.COM
kadmin: xst -norandkey -k solr.keytab solr/cdh2
kadmin: addprinc -randkey solr/cdh3@JAVACHEN.COM
kadmin: xst -norandkey -k solr.keytab solr/cdh3
然后，将 solr.keytab 拷贝到 /etc/solr/conf：
$ sudo mv solr.keytab /etc/solr/conf/
$ sudo chown solr:hadoop /etc/solr/conf/solr.keytab
$ sudo chmod 400 /etc/solr/conf/solr.keytab
最后，修改每个安装了 solr 节点的 /etc/default/solr，例如在 cdh1节点上修改为：
SOLR_KERBEROS_ENABLED=true
SOLR_KERBEROS_KEYTAB=/etc/solr/conf/solr.keytab
SOLR_KERBEROS_PRINCIPAL=solr/cdh1@JAVACHEN.COM
在 HDFS 中创建 /solr 目录：
$ sudo -u hdfs hadoop fs -mkdir /solr
$ sudo -u hdfs hadoop fs -chown solr /solr
如果开启了 kerberos，则先获取 hdfs 服务的凭证在运行：
$ kinit -k -t /etc/hadoop/conf/hdfs.keytab hdfs/cdh1@JAVACHEN.com
$ hadoop fs -mkdir /solr
$ hadoop fs -chown solr /solr
集成 Sentry，取消 /etc/default/solr 下面注释：
# SOLR_AUTHORIZATION_SENTRY_SITE=/etc/solr/conf/sentry-site.xml
# SOLR_AUTHORIZATION_SUPERUSER=solr
集成 Hue，取消 /etc/default/solr 下面注释：
# SOLR_SECURITY_ALLOWED_PROXYUSERS=hue
# SOLR_SECURITY_PROXYUSER_hue_HOSTS=*
# SOLR_SECURITY_PROXYUSER_hue_GROUPS=*
初始化 ZooKeeper Namespace：
$ solrctl init
注意：你可以添加
--force参数强制清空 ZooKeeper 数据，清空之前，请先停止 ZooKeeper 集群。
启动 Solr
在每一个安装了 Solr server 的节点上运行：
$ sudo service solr-server restart
通过下面命令查看 Solr 是否启动成功：
$ jps -lm
28053 org.apache.hadoop.mapreduce.v2.hs.JobHistoryServer
31710 org.apache.zookeeper.server.quorum.QuorumPeerMain /etc/zookeeper/conf/zoo.cfg
14479 org.apache.catalina.startup.Bootstrap start
29994 org.apache.hadoop.hdfs.server.namenode.SecondaryNameNode
29739 org.apache.hadoop.yarn.server.resourcemanager.ResourceManager
27298 org.apache.catalina.startup.Bootstrap httpfs start
30123 org.apache.hadoop.hdfs.server.namenode.NameNode
21761 sun.tools.jps.Jps -lm
上面用到了 solrctl 命令，该命令用来管理 SolrCloud 的部署和配置，其语法如下：
solrctl [options] command [command-arg] [command [command-arg]] ...
可选参数有：
-
--solr：指定 SolrCloud 的 web API，如果在 SolrCloud 集群之外的节点运行命令，就需要指定该参数。 -
--zk：指定 zk 集群地址。 -
--help：打印帮助信息。 -
--quiet：静默模式运行。
command 命令有：
-
init [--force]：初始化配置。 -
instancedir：维护实体目录。可选的参数有：--generate path--create name path--update name path--get name path--delete name--list
-
collection：维护 collections。可选的参数有：--create name -s <numShards> [-c <collection.configName>] [-r <replicationFactor>] [-m <maxShardsPerNode>] [-n <createNodeSet>]]-
--delete name: Deletes a collection. -
--reload name: Reloads a collection. -
--stat name: Outputs SolrCloud specific run-time information for a collection. - ``–list`: Lists all collections registered in SolrCloud.
-
--deletedocs name: Purges all indexed documents from a collection.
-
core：维护 cores。可选的参数有：--create name [-p name=value]...]-
--reload name: Reloads a core. -
--unload name: Unloads a core. -
--status name: Prints status of a core.
-
cluster：维护集群配置信息。可选的参数有：--get-solrxml file--put-solrxml file
创建 Solr 运行时配置
在一个节点上（例如 cdh1）生成配置文件：
$ solrctl instancedir --generate $HOME/solr_configs
注意：你可以在
/var/lib/solr创建目录，维护配置文件。
执行完之后，你可以修改 $HOME/solr_configs/conf 目录下的配置文件，其目录下文件如下。
$ ll ~/solr_configs/conf/
total 348
-rw-r--r-- 1 root root 1092 Jun 2 23:10 admin-extra.html
-rw-r--r-- 1 root root 953 Jun 2 23:10 admin-extra.menu-bottom.html
-rw-r--r-- 1 root root 951 Jun 2 23:10 admin-extra.menu-top.html
-rw-r--r-- 1 root root 4041 Jun 2 23:10 currency.xml
-rw-r--r-- 1 root root 1386 Jun 2 23:10 elevate.xml
drwxr-xr-x 2 root root 4096 Jun 2 23:10 lang
-rw-r--r-- 1 root root 82327 Jun 2 23:10 mapping-FoldToASCII.txt
-rw-r--r-- 1 root root 3114 Jun 2 23:10 mapping-ISOLatin1Accent.txt
-rw-r--r-- 1 root root 894 Jun 2 23:10 protwords.txt
-rw-r--r-- 1 root root 59635 Jun 2 23:10 schema.xml
-rw-r--r-- 1 root root 921 Jun 2 23:10 scripts.conf
-rw-r--r-- 1 root root 72219 Jun 2 23:10 solrconfig.xml
-rw-r--r-- 1 root root 73608 Jun 2 23:10 solrconfig.xml.secure
-rw-r--r-- 1 root root 16 Jun 2 23:10 spellings.txt
-rw-r--r-- 1 root root 795 Jun 2 23:10 stopwords.txt
-rw-r--r-- 1 root root 1148 Jun 2 23:10 synonyms.txt
-rw-r--r-- 1 root root 1469 Jun 2 23:10 update-script.js
drwxr-xr-x 2 root root 4096 Jun 2 23:10 velocity
drwxr-xr-x 2 root root 4096 Jun 2 23:10 xslt
创建 collection1 实例并将配置文件上传到 zookeeper：
$ solrctl instancedir --create collection1 $HOME/solr_configs
你可以通过下面命令查看上传的 instance：
$ solrctl instancedir --list
上传到 zookeeper 之后，其他节点就可以从上面下载配置文件。
接下来，还是在 cdh1 节点上创建 collection，因为我的 SolrCloud 集群有三个节点，故这里分片数设为3，并设置副本为1，如果有更多节点，可以将副本设置为更大的一个数：
$ solrctl collection --create collection1 -s 3 -r 1
运行成功之后，你可以通过 http://cdh1:8983/solr/#/~cloud、http://cdh2:8983/solr/#/~cloud、http://cdh3:8983/solr/#/~cloud 查看创建的分片。从网页上可以看到，已经自动创建了三个分片，并且三个分片分布在3个节点之上。
配置 hbase-solr-indexer
1）开启 HBase replication
Lily HBase Indexer 的实现依赖于 HBase的replication，故需要开启复制。将 /usr/share/doc/hbase-solr-doc*/demo/hbase-site.xml文件的内容拷贝到 hbase-site.xml，注意：删除掉 replication.replicationsource.implementation 参数配置。
2）将 hbase-solr-indexer 服务指向 hbase 集群
修改 /etc/hbase-solr/conf/hbase-indexer-site.xml，添加如下参数，其值和 hbase-site.xml 中的 hbase.zookeeper.quorum 属性值保持一致（注意添加上端口）：
<property>
<name>hbaseindexer.zookeeper.connectstring</name>
<value>cdh1:2181,cdh2:2181,cdh3:2181</value>
</property>
最后再重启服务：
$ sudo service hbase-solr-indexer restart
总结
本文内容主要介绍了如何不使用 Cloudera Manager 来安装 Cloudera Search，下篇文章将介绍如何使用 Cloudera Search。
